Analyze-Me
Softwaretools für die Verarbeitung physiologischer Signale von Patienten mit einer nonverbalen Form von Autismus
Phase 1
Projekttyp: Explorative Forschung
Betroffene Behinderung: Autismus und tiefgreifende Entwicklungsstörungen, Geistige Behinderung, Mehrfachbehinderung
Thematiken: Selbstbestimmtes Leben, Kommunikation, Gesundheit, Zwischenmenschliche Beziehungen
Status: Abgeschlossen
Um die Behandlung von Menschen mit einer nicht-verbalen Form der Autismus-Spektrum-Störung (ASS) zu verbessern, haben wir die Möglichkeiten für die Entwicklung eines einfachen, nicht-invasiven Systems zur Vorhersage von Anfällen bei Menschen mit ASS untersucht. Dafür haben wir physologische Signale analysieren, die durch die Verwendung des Empatica E4 Armbands gesammelt werden.
Patienten mit einer nonverbalen Form der Autismus-Spektrum-Störung (ASS) sind nicht in der Lage, mit anderen zu kommunizieren, und es besteht die Gefahr, dass sie schwierige Verhaltensweisen entwickeln (Autoaggression, Heteroaggression, Schreien, Zerstörung, motorische Instabilität). Einige Verhaltensweisen, insbesondere Selbstverletzungen, können nicht nur für den Patienten, sondern auch für seine Betreuenden gefährlich sein. Wenn Krisen auftreten, ist ihre Antizipation von grundlegender Bedeutung, um präventiv und angemessen auf die Umweltbedingungen einzuwirken und so die Folgen zu mildern. In diesem Zusammenhang ist es angesichts der Tatsache, dass die verbale Kommunikation sehr eingeschränkt oder in manchen Fällen sogar unmöglich ist, schwierig, die Gründe für eine solche Krise zu verstehen. Insbesondere ist es schwierig zu bestimmen, ob sie eine alternative Art und Weise darstellen, die Bedürfnisse der Person auszudrücken, oder ob sie einen Bewusstseinszustand oder eine somatische Erfahrung, Stress oder Schmerz widerspiegeln.
In diesem explorativen Projekt haben wir das Potenzial der Analyse physiologischer Signale wie der Herzfrequenzvariabilität (HRV) und der elektrodermalen Aktivität (EDA) untersucht, die in verschiedenen Bereichen der medizinischen Forschung, z. B. bei der Bewertung von Schmerz und Stress, weit verbreitet sind. Eine solche Beurteilung, die bei einer Population von mehrfach behinderten Menschen durchgeführt wird, bei denen die Funktion des zentralen und peripheren Nervensystems beeinträchtigt ist, stellt eine noch größere Herausforderung dar.
Um die Betreuung von Menschen mit ASS zu verbessern, haben wir die Möglichkeit der Entwicklung eines einfachen, nicht-invasiven Systems zur Vorhersage von Anfällen bei Menschen mit ASS durch die Analyse physiologischer Signale, die mit dem Armband Empatica E4 gesammelt werden, geprüft.
In den letzten sechs Monaten entwickelten wir eine Vorabversion des auf Matlab basierenden Tools mit der verwendeten grafischen Benutzeroberfläche (GUI) zur Analyse physiologischer Signale wie EDA, HR, HRV, Beschleunigung und Temperatur, die mithilfe des Empatica E4-Armbands gesammelt werden können.
Die aktuelle Version der grafischen Benutzeroberfläche kann bereits die Extraktion von über 50 Signalmerkmalen, die mit Stress und Schmerz korrelieren, durchführen, wobei nur eine Offline-Analyse möglich ist.
Die weitere Entwicklung eines Algorithmus, der Anfälle von ASS-Patienten vorhersagt, erfordert die Erhebung von Daten von einer großen Anzahl gesunder Freiwilliger und ASS-Patienten. Im Rahmen dieses Projekts haben wir alle Unterlagen vorbereitet, die für die Genehmigung einer solchen Studie durch die Ethikkommission erforderlich sind, und die Unterlagen werden derzeit geprüft.
Wir haben bereits unseren nächsten Vorschlag für die Entwicklungsphase des Prototyps des Innovation Booster eingereicht. Unsere nächsten Schritte wären, die notwendigen Daten über gesunde Freiwillige und ASS-Patienten zu sammeln und zunächst den Algorithmus zur Stressbewertung bei gesunden Freiwilligen zu entwickeln und dann diesen Algorithmus an ASS-Patienten zu testen, indem wir sein Potenzial zur Erkennung von stressigen oder schmerzhaften Ereignissen bewerten und die Korrelation dieser Ereignisse mit dem Risiko des Auftretens von Problemverhalten untersuchen.
